基于隐马尔可夫结构尺度混合时间序列模型的癫痫发作检测
信号处理
2021-11-15 v1 机器学习
机器学习
摘要
本文提出一种基于带马尔可夫转移的尺度混合分布的时间序列随机模型，以检测脑电图（EEG）中的癫痫发作。在所提模型中，各时间点的 EEG 信号被假定为服从高斯分布的随机变量。高斯分布的协方差矩阵由一个同为随机变量的潜尺度参数加权，导致协方差的随机波动。通过在此随机关系背景下引入具马尔可夫链的潜状态变量，可根据癫痫发作状态表示潜尺度参数分布的时间序列变化。实验中，我们使用从临床数据集分解出的多频带 EEG 评估所提模型的发作检测性能。结果表明所提模型能以高灵敏度检测发作，并优于若干基线。
引用
@article{arxiv.2111.06526,
title = {A Time-Series Scale Mixture Model of EEG with a Hidden Markov Structure for Epileptic Seizure Detection},
author = {Akira Furui and Tomoyuki Akiyama and Toshio Tsuji},
journal= {arXiv preprint arXiv:2111.06526},
year = {2021}
}
备注
Accepted at EMBC2021